立春后新的一周,北京春光明媚,但仍有些雾霾。这就好比目前P2P网贷的局面,爆发式增长的过程中呈现冰火两重天的现象。一方面,骗子平台层出不穷,倒闭、跑路等现象屡见不鲜;另一方面,自2014年以来不断有背景强大的机构加入,风投公司也纷纷注资。
融360日前联合中国人民大学国际学院金融风险实验室发布2015年第一期网贷评级报告,针对100家网贷平台进行了从A到C-等6个级别的分类。
数据显示,11家A类平台中,8家获得风投,2家有上市系背景,两者合计占比达90.91%;39家B类平台中,14家获得风投,5家有上市系或国资系背景,合计占比达51.28%;50家C类平台中,仅5家获得风投,1家有国资系背景,合计占比为12%。
而这100家P2P平台中,陆金所、人人贷、宜人贷、积木盒子、翼龙贷、招财宝、有利网、拍拍贷、开鑫贷9家被评为A级;微贷网与红岭创投被评为A-级。另外17家平台被评为B级,22家被评为B-级;30家C级,20家C-级。
融360历史监测数据显示,截至2014年底,全国网贷平台增至1613家,其中爆发问题的平台共计273家,接近总数的17%。网贷平台出现的问题主要集中在提现困难、运营不善、老板失联,更有甚者为恶意诈骗。P2P网贷以其高收益、高风险的特点,可以说让投资者爱恨交加。
报告显示,99家P2P平台(除招财宝)的平均年化收益率为14.32%,其中A类平台的平均年化收益率为12.12%,B类平台的平均年化收益率为13%,C类平台的平均年化收益率为15.38%。整体来看,综合评分越高的平台年化收益率越低。
融360联合创始人、CEO叶大清介绍说,这一网贷评级体系由背景实力、平台风险控制、运营能力、信息披露以及用户体验这五个维度构成,进一步细分成了18个考虑要项。比如用股东背景、管理团队背景和平台实际运营时间等作为公司背景实力评估的依据。就风险控制能力来说,评估要素则包括债权保障、借款集中度、标的种类、资金安全等。其他还包括运营数据的公开性、借款人信息披露、资金流动性等要项。
站在第三方立场上,融360坚持整个评级体系的中立性和公益性。360大数据研究院与中国人民大学金融风险实验室共建“网贷评级课题组”,课题组独立于其他业务部门,评级结果不受商业合作关系干扰。“我们努力做到严谨、公正、准确和客观,经得起市场的检验。”叶大清表示,作为一个金融消费领域的专业内容生产者,融360希望用好的内容吸引用户,通过建立公信力而获得用户品牌。
中国人民大学国际学院副院长陈忠阳教授认为,在P2P行业鱼龙混杂的情况下,普通投资者很难凭一己之力评判一家P2P平台的综合实力强弱,也很难对P2P平台的各类宣传辨识真假。P2P问题平台层出不穷,不仅让投资者承受了重大的经济损失,也不断“践踏”着投资者对P2P行业的信任。现在专门针对网贷做行业分析报告、做评级评测,可谓正逢其时。一套具备公信力的P2P行业评级体系将有利于P2P行业的健康发展,可以为投资者提供积极且有益的投资借鉴。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。